Escolar Documentos
Profissional Documentos
Cultura Documentos
1.1. Histrico
O conceito de controle estatstico de qualidade foi introduzido na
dcada de 1920 por Shewhart, que na poca era o responsvel pela inspeo de
componentes para centrais telefnicas produzidas pela empresa americana Bell
Telephone. Desde aquela poca e at o incio da 2a Guerra Mundial, menos de 20
empresas americanas haviam adotado a idia de Shewhart (1). Foi o Japo o primeiro
pas a adotar, em larga escala, os conceitos prprios do controle estatstico. Em
pesquisa realizada em 1977, Saniga e Shirland verificaram que cerca de 70% das
empresas americanas empregavam mtodos de controle estatstico e ainda assim,
utilizando apenas as tcnicas mais simples, como a "amostragem simples" e o
"grfico da mdia" (2). Segundo pesquisa no oficial, realizada em 1990, cerca de
80% das empresas brasileiras no utilizavam a informtica e 54% das empresas
entrevistadas desconheciam totalmente o assunto.
1.2. Definies fundamentais
Universo - So todos os indivduos de uma populao1 , entendendo-se por
indivduo um item de produo ou uma grandeza desse item; e por populao
todas as peas de um dado lote ou da produo anual, por exemplo.
Amostra - uma pequena poro do universo, tomada a partir de
critrios pr-estabelecidos, na esperana de ser representativa daquele.
Mdia - a mdia aritmtica dos diversos valores de uma amostra.
Amplitude - a diferena entre o maior e o menor valor atribudo a uma
amostra. A amplitude uma medida da disperso dos diversos valores.
Desvio padro - outra medida (mais precisa) da disperso.
As expresses indivduo e populao so provenientes do uso mais extensivo da Estatstica na rea das cincias sociais.
b) do instrumento
O erro do operador aqui referido o erro decorrente de
caractersticas fsicas do operador. Por exemplo, numa titulao a deteco do ponto
de viragem feita com auxlio do olho humano. Portanto, dependendo da acuidade
visual do operador, esse ponto poder ser observado com maior ou menor
antecedncia. Quanto aos erros dos instrumentos, sero discutidos aqui,
especificamente, os erros de leitura, que esto relacionados com a preciso do
instrumento.
Em qualquer medio que se faa fatalmente ser cometido um
erro, seja grande ou pequeno, devido a limitaes do instrumento, do mtodo
empregado, ou do prprio analista. Tomando-se como exemplo a medio de
uma grandeza linear, a ser realizada com auxlio de uma rgua (Figura 1.2.a)
graduada em centmetros (menor diviso igual a 1 cm). Com ela se pode ler 87
cm. Com uma imagem ampliada dessa rgua (e do objeto) poder-se-ia observar
que o comprimento ligeiramente maior que 87 cm. De fato, com uma outra
rgua (Figura 1.2.b), graduada em dcimos de milmetro (0,1 mm), obter-se-ia,
por exemplo, 87,2 mm, mas fazendo uma ampliao dessa nova situao poderia
ser observado que o comprimento real algo maior (ou menor) que 87,2 cm.
(a)
(b)
Figura 1.2. Medio de uma grandeza linear.
Pipeta volumtrica
(1 marca)
Pipeta graduada
Balo volumtrico
0,050
0,100
0,010
0,020
0,014
0,019
0,031
0,037
0,015
0,025
0,050
0,075
0,120
0,180
0,350
0,500
Exemplos:
2,324 2,32
2,478 2,48
3,725 3,72
3,715 3,72
Nmero
arredondar
2,719
14,32
17,04
2,324
1,13
3,45
3. FUNDAMENTOS DA ESTATSTICA
3.1. Probabilidade
Entende-se por probabilidade, no conceito clssico, a relao P =
x/n, onde x um nmero conhecido, igual ou inferior a n, que finito, sendo x o
nmero de eventos favorveis, dentre n eventos quaisquer.
Os eventos podem ser classificados em vrios tipos:
a) Eventos equiprovveis so aqueles que possuem igual probabilidade de
ocorrerem.
Exemplo 1: Ao ser lanada para o alto, uma moeda tem 50% de chance de cair com a cara
para cima e 50% de chance de cair com a coroa para cima.
Exemplo 2: Ao se lanar um dado para o alto, cada face tem a mesma chance de cair virada
para cima (1/6 16,7%).
Exemplo 3: Ao se retirar uma carta de um baralho, a probabilidade de ser um s 4/52 = 7,7%.
P + = 1 4 ou 25% :
++
--+
ltima linha esto os totais. A partir desses dados pode ser construda a tabela
de distribuio de probabilidades (os valores na segunda coluna correspondem
probabilidade de ocorrncia de veculos com determinado nmero de
defeitos; P = v/v):
No de defeitos por veculo (d) Probabilidade (P)
1
0,70
2
0,15
3
0,08
4
0,05
5
0,02
15
1,00
A construo dessa tabela implica em uma relao matemtica
entre o nmero de defeitos (valores da varivel experimental) e os valores da
outra varivel (probabilidade). Essa relao pode ser traduzida atravs de uma
funo onde os valores di formam o domnio da funo e os valores Pi o seu
conjunto imagem.
Quando a grandeza medida uma varivel contnua (ex.: uma
massa ou a pureza de um produto), os valores do domnio da funo apresentam
uma distribuio contnua de probabilidade. Por outro lado, quando a grandeza
pode assumir apenas alguns valores (como no exemplo acima: nmero de
defeitos), diz-se que se trata de uma varivel discreta. Nesse caso, os valores do
domnio da funo apresentam uma distribuio discreta de probabilidade. Tais
distribuies discretas podem ser representadas por modelos matemticos, do
quais, como teis para o Controle Estatstico, destacam-se a distribuio
binomial, a distribuio de Poisson e a distribuio hipergeomtrica.
3.3. Distribuio Binomial
A distribuio binomial descreve um fenmeno do tipo eventos
mutuamente exclusivos (Seo 3.1.d; pgina 12). Nesse caso, as restries so:
Px =
n!
P x Qn x
x!(n x)!
(eq. 3.1)
onde:
x = nmero de eventos favorveis n = nmero total de eventos.
n! = 1 x 2 x 3 x ... x (n-1) x n
P = probabilidade de algo ocorrer
Q = probabilidade de algo no ocorrer = 1 P
Exemplo 10: Recalcular o exemplo 4 (probabilidade de dar cara 2 vezes em 2 lanamentos de
uma moeda) utilizando a equao 3.1.
Resposta: Nesse caso, x = 2, n = 2, P = 0,5 (pois P = Q e P + Q = 1).
Resolvendo, fica:
Px =
2!
1
2!(2 2)! 2
1
2
22
= 0,25 = 25%
Exemplo 11: Calcular a probabilidade de dar cara 5 vezes em 12 lanamentos de uma moeda.
Resposta: Nesse caso, x = 5, n = 12, P = 0,5. Resolvendo, fica:
125
Px =
12!
1 1
5!(12 5)! 2 2
= 0,18%
Exemplo 12: Recalcular o Exemplo 3 com auxlio da equao 3.1. A probabilidade de ser
selecionado um s (x = 1) numa nica tentativa (n = 1) :
1
Px =
11
1!
4 48
1!(1 1)! 52 52
= 0,077 = 7,7%
Exemplo 13: Calcular a probabilidade de ser selecionado, numa nica tentativa (n = 1), o s
de espada (x = 1) ser:
11
Px =
1!
1 51
1!(1 1)! 52 52
= 0,019 = 1,9%
Exemplo 14: Calcular se algum desejar selecionar dois ases quaisquer (x = 2) em duas
tentativas consecutivas (n = 2), a probabilidade de isso ocorrer ser:
a) Primeira tentativa:
1
11
Px =
1!
4 48
1!(1 1)! 52 52
Px =
1!
3 48
1!(1 1)! 51 51
= 0,077 = 7,7%
b) Segunda tentativa:
1
11
= 0,059 = 5,9%
Px =
x =0
n!
P x Q n x
x!(n x)!
(eq. 3.2)
Poisson uma aproximao da distribuio binomial (que por sua vez pode ser
considerada uma aproximao da distribuio normal ou gaussiana; Seo 3.8).
x =a
md
m
d =0 (e .d !)
Px =
(eq. 3.3)
(eq. 3.6)
xo
( x )2
2 2
dx
(eq. 3.7)
Na realidade, a distribuio normal aplicvel a variveis contnuas, enquanto que as demais so aplicveis a variveis discretas.
1
f ( x) =
e
2
( x )2
2 2
Fazendo z =
(eq. 3.8)
(x )
, que corresponde a
f ( z) =
z2
1
e 2
2
(eq. 3.8a)
xi
lim
=
n n
(eq. 3.9)
X=
xi
Xi
10,018
10,025
10,030
10,045
X= 10,030
M= 10,028
R= 0,027
4.1. Introduo
A confiabilidade de uma anlise algo de extrema importncia,
independente de seu objetivo. No caso particular de seu uso como ferramenta
(fonte de informao) para o Controle de um Processo Industrial, uma falha
analtica pode levar deciso de interferir no processo desnecessariamente,
acarretando problemas de grandes propores (grande prejuzo financeiro). Essa
tomada de deciso (interferir no processo) precisa de informaes bastante
confiveis. Procedimentos de laboratrio confiveis so o resultado de um
trabalho que se costuma denominar de Controle de Qualidade Analtica.
4.2. Parmetros e Testes Estatsticos
Para se realizar uma avaliao estatstica de certo nmero de
dados experimentais, torna-se necessrio, preliminarmente realizar duas
operaes (na ordem indicada):
1o) Colocar os dados em ordem crescente numrica;
2o) Verificar se algum dos dados dotado de erro grosseiro.
4.2.1. Eliminao de Erros Grosseiros. O Teste Q.
Na Seo 3.9 foi observado que uma diferena entre a mdia e a
mediana pode indicar a existncia de um erro grosseiro. Aplicao do teste Q
para aqueles dados resultaria em rejeio do valor 10,460. O emprego do teste Q
realizado do seguinte modo: o valor de Q calculado comparado com o tabelado,
para um dado nmero de medies (n). Logicamente, os valores suspeitos so x1 e
xn. Assim, calculam-se Q1 e Qn:
(eq. 4.1.a)
(eq. 4.1.b)
di
n
(eq. 4.2)
99
0,988
0,889
0,760
0,698
0,637
0,550
0,490
0,435
Z
0
1
2
3
.0
0,0000
0,6827
0,9545
0,9973
.2
0,1585
0,7699
0,9722
-
.4
0,3108
0,8385
0,9836
-
.6
0,4515
0,8904
0,9907
-
.8
0,5763
0,9281
0,9959
-
4.2.3. Teste t
A principal e mais direta aplicao da distribuio Gaussiana foi
desenvolvida em 1908, pelo qumico ingls William Sealey Gosset (1876-1937),
sob o pseudnimo de Student (estudante em ingls). O teste t empregado para
avaliao da exatido de um procedimento analtico. O coeficiente t, definido na
seo anterior, pode ser calculado, a partir dos dados experimentais, com auxlio
das equaes 4.4 ou 4.5. Como pode ser notado, a eq. 4.4 permite avaliar a
exatido com que X estima o valor de , posto que, com auxlio da Tabela 4.3,
pode ser verificado se a diferena X - (ou no) maior que a permitida, para
um dado valor de n.
Em outras palavras, se t calculado (tcalc) maior que t tabelado (ttab),
deve-se concluir que houve um desvio maior que o estatisticamente permitido. O
t=
X n
(eq. 4.3)
A eq. 4.5, por outro lado, permite avaliar duas mdias. Utilizando
a Tab. 4.3 do mesmo modo que no caso anterior, possvel decidir se:
a) trata-se de amostras diferentes (em teor), ou no, quando o
mesmo mtodo aplicado a duas amostras.
b) trata-se de mtodos de diferente exatido (ou no), quando so
dois mtodos aplicados mesma amostra.
t=
x1 x 2
1 1 (n1 - 1)s12 + (n2 - 1)s 22
+
n 1 n2
n1 + n 2 - 2
t=
x1 x 2
s12 + s 22
n -1
(eq. 4.5a)
(eq. 4.5b)
Obs. 1 - Quando utilizada a eq. 4.5a, procura-se na Tabela 4.3 o valor correspondente a 2n-2, onde n
o nmero de medies em paralelo realizadas com cada mtodo.
Obs. 2 - Quando n o mesmo, utiliza-se a eq. 4.5b; quando n diferente, utiliza-se a eq. 4.5a.
Obs. 3 - Nos dois casos (eq 4.4 e eq. 4.5), a interpretao feita do seguinte modo:
b) observa-se 4 que:
4.2.4. Teste F
O teste F, em contraposio ao teste t, empregado para avaliao
da preciso relativa de dois mtodos analticos. O parmetro s uma medida da
preciso. Entretanto, o simples conhecimento do valor numrico de s de pouco
auxlio para o analista, enquanto que o clculo de F, a partir da equao:
F=
s2A
s2B
(eq. 4.6)
n-1
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
25
30
P(%)
90
95
6,314 12,706
2,920 4,303
2,353 3,182
2,132 2,776
2,015 2,571
1,943 2,447
1,895 2,365
1,860 2,306
1,833 2,262
1,812 2,228
1,796 2,201
1,782 2,179
1,771 2,160
1,761 2,145
1,753 2,131
1,746 2,120
1,740 2,110
1,734 2,101
1,729 2,093
1,725 2,086
1,708 2,060
1,697 2,042
1,645 1,960
99
63,657
9,925
5,841
4,608
4,032
3,707
3,499
3,355
3,250
3,169
3,106
3,055
3,012
2,977
2,947
2,921
2,891
2,878
2,861
2,845
2,787
2,750
2,576
(n -1) de B (denominador)
Kn
eficincia*
2
0,8862
1,00
3
0,5908
0,99
4
0,4857
0,98
5
0,4299
0,96
6
0,3946
0,93
7
0,3698
0,91
8
0,3512
0,89
9
0,3367
0,87
10
0,3249
0,85
(*) eficincia de sR na estimativa de .
4.4. Mtodos Grficos e Numricos
4.4.1. Grficos de Calibrao
Na Qumica Analtica, muitas vezes determinada a
concentrao de um material em funo de uma grandeza fsica ou fsicoqumica, como pH, absorvncia, condutividade eltrica ou trmica, etc. Nesses
casos, emprega-se a relao C = f(x), onde C a concentrao e x a grandeza
medida. Na maioria das vezes, essa relao pode ser representada graficamente.
(eq. 4.8)
onde:
b = (x y - nx.y)/[(x)2 - nx2]
a = (y - bx) / n
(eq. 4.9a)
(eq. 4.9b)
N
Totais
x
x1
x2
xn
xi
y
y1
y2
yn
yi
x*y
x1.y1
x2.y2
xn.yn
(xi.yi)
x2
x12
x22
xn2
xi2
r=
nxi.yi - xiyi
{[nxi - (xi) 2 ][nyi 2 - (yi) 2 ]}1/ 2
2
(eq. 4.10)
Interpretao
insignificante
fraca
moderada
forte
muito forte
t.s R
(eq. 4.11a)
L=
100
(eq. 4.11b)
1,04
15,10
1,03
14,90
0,98
14,95
sAR = 0, 029
1,02
15,05
0,96
14,94
sBR = 0, 065
1,02
15,02
1,03
14,97
1,05
14,99
1,414 12,706
1,732 4,303
2,000 3,182
2,236 2,776
2,449 2,571
amostra A: = 1%
L Diferena
0,260 26,0
0,072 7,2
18,8
0,046 4,6
2,6
0,036 3,6
1,0
0,030 3,0
0,6
amostra B: = 15%
L Diferena
0,584 3,9
0,161 1,1
2,8
0,103 0,7
0,4
0,081 0,5
0,2
0,068 0,4
0,1
conc 1%
0,3
conc 15%
0,2
0,1
0
0
nmero de repeties
R=
1
Ri
m
(eq. 4.12)
(eq. 4.13.a)
(eq. 4.13.b)
n
2
3
4
5
a
2,77
3,31
3,63
3,86
b
2,46
1,96
1,76
1,66
O erro absoluto de instrumentos de medio podem ser encontrados na Tabela 1.1 ou deduzidos do prprio texto (Captulo 1)
1a) Centrifugao, onde pode haver alguma perda de lcool por evaporao. Como
avaliar esse erro (e10) ?
2a) Filtrao, onde tambm pode haver evaporao (e11).
3a) Medio de uma alquota de 10 mL, quando o operador comete um erro igual a e8.
4a) Diluio da amostra (1:10): nessa operao, o analista comete um erro igual a e9.
A terceira etapa (injeo da soluo padro), alm de envolver
mais de uma operao, onde mais facilmente o resultado pode diferir entre
dois laboratrios:
O sinal gerado no detector registrado, sob a forma de um pico (fig. 4.5, p. 30).
X=
R=
sR =
F(s) =
F(sR) =
Ftab =
A
17,3
17,4
17,4
17,5
B
17,0
17,2
17,6
17,8
17,4
0,2
0,097
19,85
16,06
9,9
17,4
0,8
0,389
Objetivos:
no quadro abaixo, mostram que ao erro de medio (e1 = 0,2 %) foi incorporado
o erro de diluio 7 (e2 = 0,3 %):
alquota
a
b
c
d
e
1
10,01
10,12
9,85
10,31
9,76
2
10,02
10,11
9,86
10,30
9,73
medio
3
4
10,00
9,98
10,09
10,10
9,87
9,88
10,32
10,34
9,75
9,74
5
9,99
10,08
9,89
10,33
9,77
e1 (%)
0,2
0,2
0,2
0,2
0,2
Soma do erro de pipetagem com o erro do balo volumtrico (ver Tabela 1.1, pgina 7).
tcnica
a
b
c
e1
20
0,02
0,2
e2
0,12
0,05
0,05
e3
1
1
1
e4
0,12
0,05
0,05
e5
1
0,19
e6
0,05
0,05
etotal
21,24
2,17
1,54
soluo 1
X1
a
b
c
soluo 2
soluo 3
X2
X1
X2
X1
X2
X
X
X
0,809 0,811 0,810 0,968 0,970 0,969 1,161 1,161 1,162
1,023 1,021 1,022 1,005 1,007 1,006 0,971 0,969 0,970
1,012 1,009 1,010 0,986 0,983 0,984 0,988 0,991 0,990
X a = 0,980;
X b = 0,999;
X c = 0,995;
Ra = 0,352;
sa = 0,1763;
Rb = 0,052;
sb = 0,0266;
Rc = 0,026;
sc = 0,0136;
saR = 0,208
sbR = 0,031
scR = 0,015
com sR:
a F1 = 43,76
b
a F1 = 45,06
b
a F2 = 163,53
c
a F2 = 192,27
c
b F3 = 3,74
c
b F3 = 4,27
c
Ftab = 19
Os clculos mostram que apenas entre (b) e (c) existe uma boa
concordncia, em termos de preciso (exatamente as tcnicas de melhor
preciso). Aplicao do teste t (usando s ou sR e eq. 4.5b), leva concluso que
as trs tcnicas so exatas (ttab = 4,3):
ta = 0,20; tb = 0,06; tc = 0,64
4.10. Confiabilidade Analtica
R
n
ou
Re = M t . K n.
R
n